开源工具 Third Hand：基于无障碍语义树与 Jev 实现亚秒级纯文本 AI 电脑控制

开发者 Shiv 于 2026 年 9 月 21 日开源工具 Third Hand，采用系统无障碍语义树与 Jev 决策模型实现纯文本电脑操作，为降低桌面智能体延迟与成本提供了新路径。

• 控制流程取消图像截屏与视觉模型识别，直接从操作系统底层提取无障碍语义树作为环境输入。
• 任务调度采用分层架构，由通用大模型拆解长流程，结合专做强类型决策的 Jev 模型在 100 毫秒内完成状态单选。
• 该实现将操作交互延迟压制在亚秒级，同时降低了高频调用多模态模型带来的推理开销。
• 影响/看点：该方案可能为端侧轻量化智能体部署提供可行路径，但其在复杂交互场景中的稳定性仍取决于宿主应用对无障碍接口支持的完整度。
• 资料依据：
• GitHub（2026-09-21）：https://github.com/shiv/third-hand
• X：阿易 AI Notes（2026-09-21）：https://x.com/AYi_AInotes/status/2101840703248638126

本内容由 AI 生成，仅供参考，请注意甄别